Spring全家桶笔记：非关系型数据库

发表于 2022-12-10 分类于后端， spring

Spring全家桶笔记：非关系型数据库

非关系型数据库概述

NoSQL（Not Only SQL）数据库是非关系型数据库的统称，主要分为以下几类：

键值存储：Redis、Memcached
文档数据库：MongoDB、Elasticsearch
列式数据库：HBase、Cassandra
图形数据库：Neo4j

Redis集成

Redis数据结构

类型	说明	典型应用
String	字符串	缓存、计数器
List	列表	消息队列
Hash	哈希	对象存储
Set	集合	标签、好友
ZSet	有序集合	排行榜

Spring Data Redis

@Configuration
public class RedisConfig {
    
    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory connectionFactory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(connectionFactory);
        
        // 使用Jackson2JsonRedisSerializer序列化
        Jackson2JsonRedisSerializer<Object> serializer = 
            new Jackson2JsonRedisSerializer<>(Object.class);
        template.setKeySerializer(new StringRedisSerializer());
        template.setValueSerializer(serializer);
        template.setHashKeySerializer(new StringRedisSerializer());
        template.setHashValueSerializer(serializer);
        
        return template;
    }
}

基本操作

@Service
public class UserCacheService {
    
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    
    // String操作
    public void set(String key, Object value) {
        redisTemplate.opsForValue().set(key, value);
    }
    
    public Object get(String key) {
        return redisTemplate.opsForValue().get(key);
    }
    
    // Hash操作
    public void hSet(String key, String field, Object value) {
        redisTemplate.opsForHash().put(key, field, value);
    }
    
    public Object hGet(String key, String field) {
        return redisTemplate.opsForHash().get(key, field);
    }
    
    // List操作
    public void lPush(String key, Object value) {
        redisTemplate.opsForList().leftPush(key, value);
    }
    
    public Object lPop(String key) {
        return redisTemplate.opsForList().leftPop(key);
    }
}

缓存注解

@Service
public class UserService {
    
    @Cacheable(value = "user", key = "#id")
    public User getUserById(Long id) {
        return userDao.findById(id);
    }
    
    @CachePut(value = "user", key = "#user.id")
    public User updateUser(User user) {
        return userDao.save(user);
    }
    
    @CacheEvict(value = "user", key = "#id")
    public void deleteUser(Long id) {}
    
    @CacheEvict(value = "user", allEntries = true)
    public void clearCache() {}
}

MongoDB集成

Spring Data MongoDB

@Entity
@Document(collection = "users")
public class User {
    
    @Id
    private String id;
    
    @Field("username")
    private String username;
    
    private Integer age;
    
    private Address address;
}

@Document
public class Address {
    private String city;
    private String province;
}

Repository

public interface UserRepository extends MongoRepository<User, String> {
    
    User findByUsername(String username);
    
    List<User> findByAgeGreaterThan(Integer age);
    
    @Query("{ 'username': { $regex: ?0 } }")
    List<User> findByUsernameRegex(String regex);
}

MongoTemplate

@Service
public class UserService {
    
    @Autowired
    private MongoTemplate mongoTemplate;
    
    public User save(User user) {
        return mongoTemplate.save(user);
    }
    
    public List<User> findByCondition(Query query) {
        return mongoTemplate.find(query, User.class);
    }
    
    public void update(Update update, Query query) {
        mongoTemplate.updateMulti(query, update, User.class);
    }
}

Elasticsearch集成

Spring Data Elasticsearch

@Document(indexName = "product")
public class Product {
    
    @Id
    private String id;
    
    @Field(type = FieldType.Text, analyzer = "ik_max_word")
    private String name;
    
    @Field(type = FieldType.Keyword)
    private String category;
    
    private BigDecimal price;
}

Repository

public interface ProductRepository extends ElasticsearchRepository<Product, String> {
    
    List<Product> findByNameContaining(String name);
    
    @Query("{\"match\": {\"name\": {\"query\": \"?0\"}}}")
    List<Product> searchByName(String keyword);
}

缓存策略

缓存穿透

问题：查询不存在的数据导致频繁查询数据库
解决方案：布隆过滤器、空值缓存

缓存击穿

问题：热点key失效时大量请求涌入
解决方案：互斥锁、永不过期

缓存雪崩

问题：大量key同时失效
解决方案：随机过期时间、持久化

实际应用建议

根据业务场景选择合适的NoSQL
合理设计数据模型
做好容量规划
配置合理的过期策略
做好数据备份和恢复

总结

非关系型数据库在特定场景下有显著优势，Spring Data提供了统一的整合方式。选择时需要根据数据特点、查询模式、一致性要求等因素综合考虑。

0%